基于改进的多目标量子遗传算法的高速服务区综合能源管理

目前我国高速服务区和电动汽车的电力大部分来源于传统能源,间接增加了碳排放。为减少高速服务区和电动汽车用电对环境的污染,文章引入清洁能源自洽率,提出一种光储换一体化的高速服务区的能源管理与服务策略,旨在充分保障电动汽车换电服务的基础上,最大限度地提高经济效益和清洁能源自洽率。针对高速服务区的能源管理与服务策略的优化问题,文章提出一种改进的多目标量子遗传算法。由于传统量子遗传算法存在过早收敛、灵活性差且易陷入局部最优的不足,首先在种群初始化过程中引入小生境协同进化策略,其次对交叉概率、变异概率及旋转角采用自适应调整并改进量子旋转门,然后采用精英保留策略,以提高收敛速度并增加种群的多样性。最后,该方案在光储换一体化的某离网高速服务区微网模型进行了仿真验证,结果表明在保证电动汽车换电需求下,系统实现了经济效益和清洁能源自洽率的双提升,达到了降低碳排放的目的。